![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
遥感
文章平均质量分 88
Mr.靳靳477302280
这个作者很懒,什么都没留下…
展开
-
Python星载气溶胶数据处理与反演分析实践技术应用
MODIS通过成像光谱技术获取不同波长的遥感数据,从而得到气溶胶的空间分布、光学厚度等信息,而CALIOP则通过激光雷达技术获取气溶胶的类型和垂直分布信息。然而,处理和分析这些数据需要一定的专业技术和工具。Python作为一种强大且易于学习的编程语言,已广泛应用于数据科学和大气科学领域,Python凭借其强大的数据处理能力,可以高效处理海量的气溶胶数据。尤其在“碳中和”目标的驱动下,研究气溶胶对“碳中和”的气候影响及其环境效应,不仅对科学研究具有重大意义,同时也为政策制定提供了重要依据。原创 2024-06-17 15:50:31 · 683 阅读 · 0 评论 -
空间数据采集与管理:表格数据、矢量数据、栅格数据、点云数据、多维数据以及遥感云平台数据处理
通过准确高效地采集和管理空间数据,可以为后续的数据处理、分析和决策提供坚实的基础。可以使用ArcGISPro、ArcMap等GIS软件进行数据导入,也可以使用Python脚本结合ArcPy库进行数据导入。利用ArcGISPro的空间分析工具和工具箱中的多维数据分析工具,对多维数据进行分析,如时序分析、空间交叉分析等。多维数据是指具有多个维度(如时间、空间、高度等)的数据集合,常见于气象、地球科学、遥感等领域。结合其他空间数据(如矢量数据、统计数据等),进行空间分析和应用,如土地利用分类、环境监测等。原创 2024-06-12 17:07:43 · 1146 阅读 · 0 评论 -
空问数据获取与预处理指南:生产与科研应用
使用ArcGIS Pro的图形用户界面(GUI)完成数据处理任务,操作简单直观,适合初学者和快速处理小规模数据。原创 2024-06-12 16:59:58 · 882 阅读 · 0 评论 -
全流程基于GIS、python机器学习技术的地质灾害风险评价与信息化建库实践应用
从空间数据处理、信息化指标空间数据库构建、致灾因子提取,空间分析、危险性评价与制图分析等方面掌握GIS在灾害危险性评价中的方法;用人口密度数据来量化人口易损性,基于各行政单元统计年鉴获取的人口数量,结合房屋建筑区数据,量化人口的空间分布,基于GIS的网格分析,得到单位面积上的人口数量即人口密度。崩滑严重性、泥沙沿程补给长度比、沟口泥石流堆积活动、沟谷纵坡降、区域构造影响程度、流域植被覆盖度、工程地质岩组、沿沟松散堆积物储量、流域面积、流域相对高差、河沟堵塞程度等。坐标系类型:地理坐标系,投影坐标系;原创 2024-06-05 10:01:03 · 902 阅读 · 0 评论 -
Python长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析等领域中的应用
植被是陆地生态系统中最重要的组分之一,也是对气候变化最敏感的组分,其在全球变化过程中起着重要作用,能够指示自然环境中的大气、水、土壤等成分的变化,其年际和季节性变化可以作为地球气候变化的重要指标。目前已经从卫星获取的遥感数据反演了许多长时序生物物理参量产品,如GIMMS3g NDVI/LAI/FAPAR、MODIS NDVI/LAI/FAPAR/ GPP、GLASS LAI/FVC/GPP等,并且已经广泛应用于全球或区域尺度植被变化趋势及格局分析。基于变异系数法(CV)的植被变化稳定性分析。原创 2024-05-29 14:24:57 · 836 阅读 · 0 评论 -
【融合ChatGPT等AI模型】Python-GEE遥感云大数据分析、管理与可视化及多领域案例实践应用
与传统的处理影像工具(例如ENVI)相比,Earth Engine在处理海量遥感数据方面具有显著优势,提供了丰富的计算资源和巨大的云存储能力,节省大量数据下载和预处理时间。主要涉及的技术包括植被指数的计算、地表温度的提取、数据的归一化、主成分PCA分析、RSEI生态指数的构建以及结果的可视化等。本案例利用20年的MODIS植被指数,对选定区域的森林进行长期监测,并分析森林植被的绿化或褐变情况。介绍如何在遥感云平台上显示和探索要素和影像等对象的属性字段,包括如何选择要素和影像对象、查看属性信息、筛选数据等。原创 2024-05-20 14:58:16 · 589 阅读 · 0 评论 -
展示人工智能在遥感中的实际应用
ChatGPT是由OpenAI开发的最先进的语言模型,在理解和生成人类语言方面表现出了非凡的能力。本课程重点介绍ChatGPT在遥感中的应用,人工智能在解释复杂数据、提供见解和帮助决策过程方面的多功能性和强大性,这些都对遥感应用领域,比如环境监测、灾害管理、城市规划等至关重要。ChatGPT先进人工智能模型的开发,开辟了该领域的新领域。随着课程的展开,将向学习者介绍各种案例研究和项目,展示人工智能在遥感中的实际应用。这些例子不仅可以说明所讨论的概念,而且可以启发学生在自己的项目和研究中的创新思维和应用。原创 2024-05-20 14:48:13 · 353 阅读 · 0 评论 -
ChatGPT深度科研应用、数据分析及机器学习、AI绘图与高效论文撰写
怎样可视化、解读随机森林的结果?利用ChatGPT4阅读与总结分析学术论文内容(三句话摘要、子弹式要点摘要、QA摘要、表格摘要、关键词与关键句提取、页面定位、多文档对比、情感分析)折线图、柱状图、饼图、地图等各种图形的绘制)ChatGPT4 DALL.E 3常用的提示词库(广告海报、Logo、3D模型、插画、产品包装、烹饪演示、产品外观设计、UI设计、吉祥物设计等)ChatGPT4 DALL.E 3中的多种视图(正视图、后视图、侧视图、四分之三视图、鸟瞰视图、全景视图、第一人称视角、分割视图、截面视图等)原创 2024-05-16 15:02:46 · 707 阅读 · 0 评论 -
如何在ChatGPT辅助下处理ENVI遥感数据
遥感技术主要通过卫星和飞机从远处观察和测量我们的环境,是理解和监测地球物理、化学和生物系统的基石。ChatGPT是由OpenAI开发的最先进的语言模型,在理解和生成人类语言方面表现出了非凡的能力。本课程重点介绍ChatGPT在遥感中的应用,人工智能在解释复杂数据、提供见解和帮助决策过程方面的多功能性和强大性,这些都对遥感应用领域,比如环境监测、灾害管理、城市规划等至关重要。Chatgpt与python集成的卫星、机载和近景地面高光谱数据的处理和混合像元分解。Chatgpt在成像遥感领域的最新进展。原创 2024-05-15 17:05:15 · 551 阅读 · 0 评论 -
遥感技术在生态系统碳储量、碳收支、碳循环以及人为源排放反演等领域的技术发展
卫星遥感具有客观、连续、稳定、大范围、重复观测的优点,已成为监测全球碳盘查不可或缺的技术手段,卫星遥感也正在成为新一代 、国际认可的全球碳核查方法。随着碳中和目标以及全球碳盘点的现实压力,基于遥感技术的碳监测成为了领域热点。遥感技术在生态系统碳储量、碳收支、碳循环以及人为源排放反演等领域的技术发展 (qq.com)遥感技术在生态系统碳储量、碳收支、碳循环以及人为源排放反演等领域的技术发展 (qq.com)基于夜间灯光数据碳排放模型的构建与修正。碳储量、碳收支与碳循环中的遥感技术。原创 2024-05-09 17:03:53 · 1269 阅读 · 0 评论 -
如何解决高光谱数据读取、数据预处理、高光谱数据机器学习等技术难题......
如何解决高光谱数据读取、数据预处理、高光谱数据机器学习等技术难题...... (qq.com)02)使用自己的数据进行机器学习(envi标注数据)01)机器学习与sciki learn 介绍。01)基于scklearn高光谱机器学习。03)机载(无人机)高光谱数据获取。03)pytorch开发基础-张量。01)高光谱遥感成像原理与传感器。04)高光谱遥感的历史和发展。02)基于光谱特征的分析方法。03)混合像元分解的分析方法。03)土壤含水量光谱评估方法。03) 高光谱深度学习框架。原创 2024-05-08 16:10:43 · 942 阅读 · 0 评论 -
区域能源消耗碳排放空间格局模拟—基于夜间灯光数据
卫星遥感具有客观、连续、稳定、大范围、重复观测的优点,已成为监测全球碳盘查不可或缺的技术手段,卫星遥感也正在成为新一代 、国际认可的全球碳核查方法。本此课程的目的就是梳理碳中和与碳达峰对卫星遥感的现实需求,系统总结遥感技术在生态系统碳储量、碳收支、碳循环以及人为源排放反演等领域的技术发展,以实践的角度切实解决遥感技术在生态、能源、大气等领域的碳排放监测及模拟问题.双碳目标下基于“遥感+”集成技术的碳储量、碳排放、碳循环、温室气体等多领域监测与模拟实践 (qq.com)碳储量、碳收支与碳循环中的遥感技术。原创 2024-04-30 16:00:09 · 973 阅读 · 0 评论 -
生态系统服务权衡与协同动态分析及论文写作方法
是指威胁因子r栅格图上的栅格个数;为生境栅格x与威胁因子栅格y之间的距离;InVEST模型的产水量模块是基于Budyko水热耦合平衡原理,结合不同土地利用类型的土壤渗透性、蒸散性的空间差异等因素对径流的影响构建适宜模型,以栅格为单元定量估算水源供给能力。InVEST模型中,土壤保持量(SD)为自然植被保护下的潜在土壤侵蚀量(RKLS)与人工管理和保持措施下的实际土壤侵蚀量(ULSE)之差。式中:为土地利用类型为时栅格上的年产水量(mm),为栅格的年均降水量(mm),为实际年平均蒸散发量(mm)。原创 2024-04-26 09:46:48 · 1037 阅读 · 0 评论 -
高光谱遥感数值建模技术及在植被、水体、土壤信息提取领域应用
无人机和有人机机载高光谱遥感能够探测具有诊断性的地物光谱吸收物质,在多种算法支持下,不仅能为准确区分地表地物类型、评估和成分含量评价等提供精确的数据支持,使得定量或半定量地物信息提取成为可能,而且在大量试验的基础上,能够为相关硬件仪器的研发提供理论依据。近年来,随着成像光谱技术在航空遥感领域的快速发展,这项技术成为各个领域的重要监测方法,涵盖大气圈、海洋研究、植被生态、矿产地质、水体研究、军事侦察和考古研究等领域,其应用正在步入成熟期。关注【科研技术平台公众号】获取更多资源。原创 2024-04-25 10:19:04 · 703 阅读 · 0 评论 -
区域能源消耗碳排放空间格局模拟
卫星遥感具有客观、连续、稳定、大范围、重复观测的优点,已成为监测全球碳盘查不可或缺的技术手段,卫星遥感也正在成为新一代 、国际认可的全球碳核查方法。本此课程的目的就是梳理碳中和与碳达峰对卫星遥感的现实需求,系统总结遥感技术在生态系统碳储量、碳收支、碳循环以及人为源排放反演等领域的技术发展,以实践的角度切实解决遥感技术在生态、能源、大气等领域的碳排放监测及模拟问题。基于夜间灯光数据碳排放模型的构建与修正。碳储量、碳收支与碳循环中的遥感技术。碳储量(碳库)估算的方法与原理。遥感回归模型的构建与碳储量估算。原创 2024-04-25 10:11:29 · 983 阅读 · 0 评论 -
Python长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析等领域中的应用
植被是陆地生态系统中最重要的组分之一,也是对气候变化最敏感的组分,其在全球变化过程中起着重要作用,能够指示自然环境中的大气、水、土壤等成分的变化,其年际和季节性变化可以作为地球气候变化的重要指标。目前已经从卫星获取的遥感数据反演了许多长时序生物物理参量产品,如GIMMS3g NDVI/LAI/FAPAR、MODIS NDVI/LAI/FAPAR/ GPP、GLASS LAI/FVC/GPP等,并且已经广泛应用于全球或区域尺度植被变化趋势及格局分析。关注科研技术平台获取更多资源。原创 2024-04-17 13:46:25 · 721 阅读 · 0 评论 -
ChatGPT在遥感领域中的应用
遥感技术主要通过卫星和飞机从远处观察和测量我们的环境,是理解和监测地球物理、化学和生物系统的基石。ChatGPT是由OpenAI开发的最先进的语言模型,在理解和生成人类语言方面表现出了非凡的能力。本课程重点介绍ChatGPT在遥感中的应用,人工智能在解释复杂数据、提供见解和帮助决策过程方面的多功能性和强大性,这些都对遥感应用领域,比如环境监测、灾害管理、城市规划等至关重要。这些例子不仅可以说明所讨论的概念,而且可以启发学生在自己的项目和研究中的创新思维和应用。无人机图像的机器学习分类模型的构建和应用。原创 2024-04-17 11:21:40 · 1014 阅读 · 0 评论 -
双碳目标下基于“遥感+”集成技术的碳储量、碳排放、碳循环、温室气体等多领域监测与模拟实践
卫星遥感具有客观、连续、稳定、大范围、重复观测的优点,已成为监测全球碳盘查不可或缺的技术手段,卫星遥感也正在成为新一代 、国际认可的全球碳核查方法。本此课程的目的就是梳理碳中和与碳达峰对卫星遥感的现实需求,系统总结遥感技术在生态系统碳储量、碳收支、碳循环以及人为源排放反演等领域的技术发展,以实践的角度切实解决遥感技术在生态、能源、大气等领域的碳排放监测及模拟问题。随着碳中和目标以及全球碳盘点的现实压力,基于遥感技术的碳监测成为了领域热点。碳储量、碳收支与碳循环中的遥感技术。遥感数据的处理与特征参量的提取。原创 2024-04-15 17:08:16 · 911 阅读 · 0 评论 -
“Python+”集成技术高光谱遥感数据处理与机器学习深度应用
结合Python编程工具,专注于解决高光谱数据读取、数据预处理、高光谱数据机器学习等技术难题,通过复现高光谱数据处理和分析过程,并解析代码,使学员掌握python高光谱数据处理技巧。通过矿物识别、农业应用、木材含水量提取、土壤有机碳评估等案例,提供可借鉴的高光谱应用技术方案,结合Python科学计算、可视化、数据处理和机器学习库,深入讲解应用开发。深入探讨了高光谱遥感数据处理技术,涵盖了基本概念、成像原理、数据处理和分析方法,以及运用机器学习和深度学习模型提取和应用高光谱信息的技术。原创 2024-04-15 17:06:43 · 1030 阅读 · 0 评论 -
Python-GEE遥感云大数据分析、管理与可视化及多领域案例实践应用
与传统的处理影像工具(例如ENVI)相比,Earth Engine在处理海量遥感数据方面具有显著优势,提供了丰富的计算资源和巨大的云存储能力,节省大量数据下载和预处理时间。在课程最后,还将结合多年AI使用经验,深入分享AI大模型在科研辅助方面的多项实用技巧,包括文献查找、分析总结、论文撰写、图表解读、语言润色等,以助力科研人员在学术研究中取得更大突破并满足国际交流的需求。主要涉及的技术包括植被指数的计算、地表温度的提取、数据的归一化、主成分PCA分析、RSEI生态指数的构建以及结果的可视化等。原创 2024-04-15 17:03:46 · 650 阅读 · 0 评论 -
2024-2025年申报各类科研项目基金撰写及技巧
国家级和省级等各类项目的申请层出不穷,项目书的撰写几乎占据了申请人的全年时间。申请人既需要提出独特且有前瞻性的研究问题,具备突破性的科学思路和方法,又需要关注国际前沿研究动态,积极参与国际合作项目,并能够充分展示项目对国际学术和科技发展的贡献。尤其是青年学者,工作繁重、资源溃泛、基金申请缺乏经验、同时没有形成高效研究团队,仅凭一己之力,在竞争激烈的当下显然不具备优势条件。基金申请是每年学者重要工作内容,势必要时间与精力投入,但往往是在提交前,集中一个有限的时间进行撰写,结果事与愿违。原创 2024-04-12 13:53:53 · 967 阅读 · 0 评论 -
GIS在灾后重建规划、GIS在灾害危险性评价中的方法
用人口密度数据来量化人口易损性,基于各行政单元统计年鉴获取的人口数量,结合房屋建筑区数据,量化人口的空间分布,基于GIS的网格分析,得到单位面积上的人口数量即人口密度。崩滑严重性、泥沙沿程补给长度比、沟口泥石流堆积活动、沟谷纵坡降、区域构造影响程度、流域植被覆盖度、工程地质岩组、沿沟松散堆积物储量、流域面积、流域相对高差、河沟堵塞程度等。用房屋建筑区密度数据来量化房屋建筑易损性,利用房屋建筑区数据,基于GIS的网格分析,得到单位面积上的房屋建筑区面积,即房屋建筑区密度。坐标系类型:地理坐标系,投影坐标系;原创 2024-04-10 15:19:54 · 889 阅读 · 0 评论 -
合成孔径雷达干涉测量InSAR数据处理、地形三维重建、形变信息提取、监测等实践技术应用
合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar, InSAR)技术作为一种新兴的主动式微波遥感技术,凭借其可以穿过大气层,全天时、全天候获取监测目标的形变信息等特性,已在地表形变监测、DEM生成、滑坡、火山活动、冰川运动、人工建筑物形变信息提取等多种领域展开了成功应用。7.【算例】:利用覆盖北京地区的Sentinel-1A SAR影像(2018年-2020年),采用PSInSAR技术获取北京地区的地表沉降速率与沉降时间序列信息。原创 2024-04-07 10:15:09 · 1011 阅读 · 0 评论 -
GEE遥感云大数据林业应用典型案例实践及GPT模型应用
专题涉及长时间序列遥感影像预处理、植被指数批量计算、年度影像合成、数组影像概念和使用方法、LandTrendr算法原理及参数设置、森林扰动结果解译与空间统计分析、可视化及专题图绘制等。专题涉及影像过滤、Landsat和Sentinel-2光学影像除云等预处理、植被指数计算、影像合成、火灾区域识别和灾害强度分级,结果统计分析与可视化等。专题涉及时间序列影像预处理、影像集连接、影像合成、变化趋势非参数检测、显著性检验和变化趋势量化与分级、空间统计和结果可视化和专题图绘制等。影像掩码、裁剪和镶嵌等;原创 2024-03-06 17:03:30 · 1054 阅读 · 0 评论 -
基于GIS、RS、VORS模型、CCDM模型、geodetecto、GWR模型集成的生态系统健康的耦合协调分析
如何采用地理和时间加权回归(GTWR)来衡量城市化与生态系统健康(UAEH)之间的互动关系和时空异质性,如何从多维和综合视角来评估城镇化建设和生态系统健康之间的空间关系,如何采用地理探测器进一步解析环境变量对生态系统健康的影响效应。你也能掌握VORS模型各指标参量的选择与获取的方法,城镇化指数(UL)测算模型构建的方案;基于VORS(活力-组织力-恢复力-服务)模型,主要依据生态系统活力(EV)、生态系统组织力(EO)、生态系统恢复力(ER)和生态系统服务(ES)4个指标,对生态系统健康进行评估。原创 2024-02-26 10:13:48 · 1034 阅读 · 0 评论 -
【成像光谱遥感技术】如何使用ChatGPT应用自如
遥感技术主要通过卫星和飞机从远处观察和测量我们的环境,是理解和监测地球物理、化学和生物系统的基石。ChatGPT是由OpenAI开发的最先进的语言模型,在理解和生成人类语言方面表现出了非凡的能力。本课程重点介绍ChatGPT在遥感中的应用,人工智能在解释复杂数据、提供见解和帮助决策过程方面的多功能性和强大性,这些都对遥感应用领域,比如环境监测、灾害管理、城市规划等至关重要。多光谱遥感的主要卫星数据源介绍及下载方法(哨兵、Landsat、Aster、Modis等)提示词1:了解遥感科学的基础知识和前沿领域。原创 2024-02-23 16:19:05 · 532 阅读 · 0 评论 -
GIS在地质灾害危险性评估与灾后重建中的实践技术应用
根据地质灾害的孕育和发展机理,现有的数据资料和技术,以及实际应用需要,评价目标和研究经费等因素,采用适当的方法,可通过模型评估并分析研究区域对地质灾害的危险性。根据地质灾害的孕育和发展机理,现有的数据资料和技术,以及实际应用需要,评价目标和研究经费等因素,采用适当的方法,可通过模型评估并分析研究区域对地质灾害的危险性。崩滑严重性、泥沙沿程补给长度比、沟口泥石流堆积活动、沟谷纵坡降、区域构造影响程度、流域植被覆盖度、工程地质岩组、沿沟松散堆积物储量、流域面积、流域相对高差、河沟堵塞程度等。原创 2024-02-19 15:26:44 · 810 阅读 · 0 评论 -
“SRP模型+”多技术融合在生态环境脆弱性评价模型构建、时空格局演变分析与RSEI 指数的生态质量评价及拓展应用
随着3S技术和多种学科的交流与发展,相比以往传统生态环境监测分析中,受到数据可视化、数据获取、数据空间分析、时效性、监测范围的限制,3S技术中遥感技术具备观测面积大、时效性强、位置定位精确的优势;近年来,国内外学者在生态系统的敏感性、适应能力和潜在影响等方面开展了大量的生态脆弱性研究,他们普遍将生态脆弱性概念与农牧交错带、喀斯特地区、黄土高原区、流域、城市等相结合,评价不同类型研究区的生态脆弱特征,其研究内容主要包括脆弱性的时空演变、动态监测、影响机理和驱动因子等方面的分析。原创 2023-12-05 11:02:07 · 348 阅读 · 0 评论 -
2024年申报国自然项目基金撰写及技巧
申请人需要提出独特且有前瞻性的研究问题,具备突破性的科学思路和方法。申请人需要关注国际前沿研究动态,积极参与国际合作项目,并能够充分展示项目对国际学术和科技发展的贡献。尤其是青年学者,工作繁重、资源溃泛、基金申请缺乏经验、同时没有形成高效研究团队,仅凭一己之力,在竞争激烈的当下显然不具备优势条件。基金申请是每年学者重要工作内容,势必要时间与精力投入,但往往是在提交前,集中一个有限的时间进行撰写,结果事与愿违。2.3.3.1 研究方案:总体的研究方案&细节的技术路线。3.2 最关键的细节-摘要的写法。原创 2023-11-28 17:29:06 · 100 阅读 · 0 评论 -
GEE遥感云大数据林业应用典型案例实践及GPT模型应用
相比于ENVI等传统的遥感影像处理工具,GEE在处理海量遥感数据方面具有不可比拟的优势,一方面提供了丰富的计算资源,另一方面其巨大的云存储节省了科研人员大量的数据下载和预处理的时间,是遥感数据的计算和分析可视化方面代表世界该领域最前沿水平,是遥感领域的一次革命。绘图可视化:包括条形图、直方图、散点图、时间序列等图形绘制。专题涉及长时间序列遥感影像预处理、植被指数批量计算、年度影像合成、数组影像概念和使用方法、LandTrendr算法原理及参数设置、森林扰动结果解译与空间统计分析、可视化及专题图绘制等。原创 2023-11-14 10:27:05 · 116 阅读 · 0 评论 -
【融合ChatGPT等AI模型】Python-GEE遥感云大数据分析、管理与可视化及多领域案例实践应用
其中,Earth Engine最为强大,能够存取和同步遥感领域目前常用的MODIS、Landsat和Sentinel等卫星图像和NCEP等气象再分析数据集,同时依托全球上百万台超级服务器,提供足够的运算能力对这些数据进行处理。具体内容包括研究区影像统计、空间分层随机抽样、样本随机切分、时间序列影像预处理和合成、机器学习算法应用、分类后处理和精度评估等方面。主要涉及的技术包括植被指数的计算、地表温度的提取、数据的归一化、主成分PCA分析、RSEI生态指数的构建以及结果的可视化等。制作土地利用变化统计绘图等。原创 2023-10-18 16:14:17 · 558 阅读 · 0 评论 -
“Python+”集成技术高光谱遥感数据处理与机器学习深度应用
结合Python编程工具,专注于解决高光谱数据读取、数据预处理、高光谱数据机器学习等技术难题,通过复现高光谱数据处理和分析过程,并解析代码,使学员掌握python高光谱数据处理技巧。通过矿物识别、农业应用、木材含水量提取、土壤有机碳评估等案例,提供可借鉴的高光谱应用技术方案,结合Python科学计算、可视化、数据处理和机器学习库,深入讲解应用开发。深入探讨了高光谱遥感数据处理技术,涵盖了基本概念、成像原理、数据处理和分析方法,以及运用机器学习和深度学习模型提取和应用高光谱信息的技术。原创 2023-10-13 08:48:35 · 325 阅读 · 0 评论 -
WRFDA资料同化实践技术应用
资料同化新方法的快速发展,气象常规资料、卫星遥感观测和大气环境等多种资料日益增加,为资料同化的有效应用奠定了坚实的科学基础,也导致许多新的复杂科学问题,增加了实际应用的难度。为有效提升广大科研、业务人员的资料同化理论基础和应用能力以及研究水平,提高我国气象、海洋和大气环境等领域的数值预报业务的质量和实际预报水平。1、结合实际的天气个例,重点掌握WRF DA和WRF ETKF-3DVAR混合同化系统的同化、预报的参数设置、新资料的同化方法和系统运行、结果分析,以及与其他模块的耦合等。原创 2023-09-21 17:23:14 · 114 阅读 · 0 评论 -
双碳目标下基于“遥感+”集成技术的碳储量、碳排放、碳循环、温室气体等多领域监测与模拟实践
卫星遥感具有客观、连续、稳定、大范围、重复观测的优点,已成为监测全球碳盘查不可或缺的技术手段,卫星遥感也正在成为新一代 、国际认可的全球碳核查方法。目的就是梳理碳中和与碳达峰对卫星遥感的现实需求,系统总结遥感技术在生态系统碳储量、碳收支、碳循环以及人为源排放反演等领域的技术发展,以实践的角度切实解决遥感技术在生态、能源、大气等领域的碳排放监测及模拟问题。专题八 陆地生态系统碳循环模型的遥感应用—流域生态系统为例。专题三 生态系统碳收支的遥感模拟—以京津冀地区为例。碳储量、碳收支与碳循环中的遥感技术。原创 2023-09-11 14:50:10 · 346 阅读 · 0 评论 -
DNDC模型---土壤碳储量、温室气体排放、农田减排、土地变化、气候变化中的应用
十四五”时期,我国生态文明建设进入了以降碳为重点战略方向、推动减污降碳协同增效、促进经济社会发展全面绿色转型、实现生态环境质量改善由量变到质变的关键时期。DNDC(Denitrification-Decomposition,反硝化-分解模型)是目前国际上最为成功的模拟生物地球化学循环的模型之一,自开发以来,经过不断完善和改进,从模拟简单的农田生态系统发展成为可以模拟几乎所有陆地生态系统的动态模拟模型。在“应用长期观测数据评价土壤有机质模型”国际高级学术讨论会上,DNDC被评为土壤碳库评估较好模型之一。原创 2023-08-25 11:19:15 · 165 阅读 · 0 评论 -
遥感云大数据在灾害、水体与湿地领域典型案例实践及GPT模型
相比于ENVI等传统的遥感影像处理工具,GEE在处理海量遥感数据方面具有不可比拟的优势,一方面提供了丰富的计算资源,另一方面其巨大的云存储节省了科研人员大量的数据下载和预处理的时间,是遥感数据的计算和分析可视化方面代表世界该领域最前沿水平,是遥感领域的一次革命。专题涉及光学和雷达数据处理、机器学习算法应用、反演精度评估、变量重要性分析、结果可视化、栅格与矢量转换等内容,将演示如何利用红树林的生境特征信息(如地形、与大海相连等)对分类结果进行精细处理,实现高精度分布图的绘制。原创 2023-08-21 17:35:15 · 401 阅读 · 0 评论 -
MATLAB 2023a的机器学习、深度学习实践应用
CNN提取的特征是怎样的?3、LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet等经典深度神经网络的区别与联系。4、预训练模型(Alexnet、Vgg-16/19、GoogLeNet、ResNet等)的下载与安装。2、经典自编码器(栈式自编码器、稀疏自编码器、去噪自编码器、卷积自编码器、掩码自编码器等)6、调参技巧(参数初始化、数据预处理、数据扩增、批量归一化、超参数优化、网络正则化等)5、优化算法(梯度下降、随机梯度下降、小批量随机梯度下降、动量法、Adam等)原创 2023-08-14 15:24:59 · 167 阅读 · 0 评论 -
遥感数据与作物生长模型同化及在作物长势监测与估产中的应用
但是,当作物生长模型从单点研究发展到区域尺度应用时,由于空间尺度增大而出现的地表、近地表环境非均匀性问题,导致模型中一些宏观资料的获取和参数的区域化方面存在很多困难,模型模拟结果也会存在很大的不确定性,而遥感信息在很大程度上可以帮助作物生长模型克服这些不足。原创 2023-08-23 09:21:28 · 188 阅读 · 0 评论 -
解决遥感技术在生态、能源、大气等领域的碳排放监测及模拟问题
专题六:陆地生态系统碳循环模型的遥感应用—多源遥感数据融合。专题七:陆地生态系统碳循环模型的遥感应用—农田生态系统为例。专题八:陆地生态系统碳循环模型的遥感应用—流域生态系统为例。专题九:大气温室气体浓度的卫星监测—以甲烷浓度反演数据为例。专题五:土地利用变化碳排放效应的遥感监测—以城市扩张为例。专题三:生态系统碳收支的遥感模拟—以京津冀地区为例。专题二:生态系统碳库的遥感估算—以森林碳储量为例。ENVI及ArcGIS软件一体化集成技术。基于夜间灯光数据碳排放模型的构建与修正。原创 2023-08-09 16:36:28 · 419 阅读 · 0 评论 -
15个免费的卫星图像数据源
美国地质勘探局地球探测器地球资源卫星一直在沉默地环绕着我们的星球对历史卫星图像进行归档。早在今天,它就把它上传到美国地质勘探局的地球探测器。想像一下,回顾过去50多年的时光。值多少钱?像日冕这样的间谍卫星图像多年来已经解密,并且完全可以向公众提供。如果你不知道什么是超光谱图像,那就像是类固醇的光谱细节。海伯龙是美国宇航局想象的实验仪器。现在,地球探测器是唯一可以下载这种超光谱图像的地方。如何从美国地质勘探局下载免费的大地卫星图像?转载 2023-07-18 17:59:01 · 359 阅读 · 0 评论